論文の概要: LCAUnet: A skin lesion segmentation network with enhanced edge and body fusion

• arxiv url: http://arxiv.org/abs/2305.00837v1
• Date: Mon, 1 May 2023 14:05:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-02 13:15:41.841574
• Title: LCAUnet: A skin lesion segmentation network with enhanced edge and body fusion
• Title（参考訳）: LCAUnet : エッジとボディ融合を増強した皮膚病変セグメンテーションネットワーク
• Authors: Qisen Ma, Keming Mao, Gao Wang, Lisheng Xu, Yuhai Zhao
• Abstract要約: LCAUnetは、エッジとボディの特徴の融合による相補表現の能力を向上させるために提案されている。 公開データセットISIC 2017、ISIC 2018、PH2の実験では、LCAUnetが最先端の手法よりも優れていることが示されている。
• 参考スコア（独自算出の注目度）: 4.819821513256158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate segmentation of skin lesions in dermatoscopic images is crucial for the early diagnosis of skin cancer and improving the survival rate of patients. However, it is still a challenging task due to the irregularity of lesion areas, the fuzziness of boundaries, and other complex interference factors. In this paper, a novel LCAUnet is proposed to improve the ability of complementary representation with fusion of edge and body features, which are often paid little attentions in traditional methods. First, two separate branches are set for edge and body segmentation with CNNs and Transformer based architecture respectively. Then, LCAF module is utilized to fuse feature maps of edge and body of the same level by local cross-attention operation in encoder stage. Furthermore, PGMF module is embedded for feature integration with prior guided multi-scale adaption. Comprehensive experiments on public available dataset ISIC 2017, ISIC 2018, and PH2 demonstrate that LCAUnet outperforms most state-of-the-art methods. The ablation studies also verify the effectiveness of the proposed fusion techniques.
• Abstract（参考訳）: 皮膚内視鏡像における皮膚病変の正確なセグメンテーションは皮膚癌の早期診断と患者の生存率の向上に不可欠である。 しかし, 病変領域の異常, 境界の曖昧さ, その他の複雑な干渉因子が原因で, 依然として困難な課題である。 本稿では,エッジとボディ特徴の融合による相補表現能力の向上を目的として,従来の手法ではあまり注目されていない新しいlcaunetを提案する。 まず、それぞれCNNとTransformerベースのアーキテクチャでエッジとボディセグメンテーション用に2つの別々のブランチを設定する。 次に、LCAFモジュールを用いてエンコーダステージにおける局所的横断操作により、同一レベルのエッジとボディの特徴マップを融合する。 さらに、PGMFモジュールは、以前のガイド付きマルチスケール適応と機能統合するために組み込まれている。 公開データセットISIC 2017、ISIC 2018、PH2に関する総合的な実験は、LCAUnetがほとんどの最先端の手法より優れていることを実証している。 アブレーション実験は, 提案手法の有効性も検証した。

関連論文リスト

• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Inter-Scale Dependency Modeling for Skin Lesion Segmentation with Transformer-based Networks [0.0]
  メラノーマは皮膚細胞の異常増殖によって引き起こされる皮膚がんの危険形態である。 U-Netアーキテクチャを含むFCNアプローチは、皮膚病変を自動的に分割して診断を支援する。 対称的U-Netモデルは優れた結果を示しているが、畳み込み演算を用いることで、長距離依存を捕捉する能力は制限されている。
  論文  参考訳（メタデータ） (2023-10-20T16:20:25Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• Contextual Information Enhanced Convolutional Neural Networks for Retinal Vessel Segmentation in Color Fundus Images [0.0]
  自動網膜血管セグメンテーションシステムは、臨床診断及び眼科研究を効果的に促進することができる。 ディープラーニングベースの手法が提案され、いくつかのカスタマイズされたモジュールが有名なエンコーダデコーダアーキテクチャU-netに統合されている。 その結果,提案手法は先行技術よりも優れ,感性/リコール,F1スコア,MCCの最先端性能を実現している。
  論文  参考訳（メタデータ） (2021-03-25T06:10:47Z)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• Bi-directional Dermoscopic Feature Learning and Multi-scale Consistent Decision Fusion for Skin Lesion Segmentation [28.300486641368234]
  本稿では,皮膚病変と情報的文脈との複雑な相関をモデル化する,新しい双方向皮膚機能学習(biDFL)フレームワークを提案する。 また,複数の分類層から発生する情報的決定に選択的に集中できるマルチスケール一貫した決定融合(mCDF)を提案する。
  論文  参考訳（メタデータ） (2020-02-20T12:00:24Z)
• Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
  我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。 提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-02-06T13:49:47Z)
• Complementary Network with Adaptive Receptive Fields for Melanoma Segmentation [22.069817721081844]
  既存の手法はホールに悩まされ、セグメンテーション性能に制限のある問題を縮小する。 メラノーマ病変を検出する前景ネットワークと,非メラノーマ領域をマスクする背景ネットワークを導入する。 本手法は,最先端メラノーマセグメンテーション法と比較して,86.4%のダイスコ効率を実現し,優れた性能を示す。
  論文  参考訳（メタデータ） (2020-01-12T09:20:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。